课程介绍：
本书分为监督学 习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。
课程目录：
00 学习第1章统计学习方法概论
01 学习第2章感知机
02 学习第3章k近邻
03 Week1作业讲解及代码公布
04 学习第4章朴素贝叶斯法
05 学习第5章决策树
06 参加直播答疑
07 Week2作业讲解及代码公布
08 学习第6章逻辑斯谛回归与最大熵模型
09 学习第7章支持向量机
10 Week3作业讲解及代码公布
11 学习第8章提升方法
12 学习第9章EM算法及推广
13 直播答疑
14 Week4作业讲解及代码公布
15 学习第10章隐马尔科夫模型
16 学习第11章条件随机场
17 Week5作业讲解及代码公布
评论0